期望值 on kenji.blog

聖彼得堡悖論：期望值為「無限大」的賭局，你願意付多少錢？

Thu, 10 Sep 2026 05:00:00 +0900

1. 期望值為「無限大」的夢幻賭局

當你走在賭場裡，莊家邀請你參加以下這個全新的擲硬幣遊戲。

【遊戲規則】

支付參加費後遊戲開始。
擲硬幣。如果出現正面，獎金就會翻倍，並且可以再擲一次。
一旦出現反面，遊戲即告結束。你可以獲得直到該時間點累積的獎金。

初始獎金從 2 美元開始。

第 1 次出現反面，獲得 2 美元後結束。
第 1 次正面、第 2 次反面，獲得 4 美元後結束。
第 1 次正面、第 2 次正面、第 3 次反面，獲得 8 美元後結束。
…之後，只要持續出現正面，獎金就會以 16 美元、32 美元、64 美元… 呈倍數增加。

graph TD Start["遊戲開始"] --> Toss1{"第 1 次擲硬幣"} Toss1 -->|反面 (1/2)| End1["結束：獲得 2 美元"] Toss1 -->|正面 (1/2)| Toss2{"第 2 次擲硬幣"} Toss2 -->|反面 (1/2)| End2["結束：獲得 4 美元"] Toss2 -->|正面 (1/2)| Toss3{"第 3 次擲硬幣"} Toss3 -->|反面 (1/2)| End3["結束：獲得 8 美元"] Toss3 -->|正面 (1/2)| Toss4{"..."} Toss4 -.->|連續次數越多| Infinite["獎金無限倍增！"]

那麼，現在問你一個問題。 如果這個遊戲的參加費是「1 萬美元」，你會參加嗎？

恐怕大多數人都會回答「不參加」。因為有一半的機率，在第一次擲硬幣時就會出現反面，結果只能拿到區區 2 美元，從而損失慘重。

然而，如果嚴格按照數學機率論（期望值）來計算，將會得出一個驚人的事實。在數學上，不管參加費是 1 萬美元還是 1 億美元，你甚至應該借盡全副身家來參加這個遊戲。

這到底是為什麼呢？

2. 讓我們來計算期望值

在判斷一個賭博是「賺」還是「賠」時，數學上的指標稱為**「期望值」。期望值代表的是「當這個遊戲重複進行多次時，平均每次可以賺多少錢」的數值。計算公式為將所有的「（獲得的獎金）×（其發生的機率）」相加起來**。

讓我們來計算一下這次遊戲的期望值。

第 1 次出現反面的機率： $\frac{1}{2}$ 獎金為 $2$ 美元。對期望值的貢獻＝ $2 \times \frac{1}{2} = 1$ 美元
第 2 次出現反面的機率： 出現正面、反面，所以是 $\frac{1}{2} \times \frac{1}{2} = \frac{1}{4}$ 獎金為 $4$ 美元。對期望值的貢獻＝ $4 \times \frac{1}{4} = 1$ 美元
第 3 次出現反面的機率： 出現正面、正面、反面，所以是 $(\frac{1}{2})^3 = \frac{1}{8}$ 獎金為 $8$ 美元。對期望值的貢獻＝ $8 \times \frac{1}{8} = 1$ 美元
第 $n$ 次出現反面的機率： $(\frac{1}{2})^n$ 獎金為 $2^n$ 美元。對期望值的貢獻＝ $2^n \times (\frac{1}{2})^n = 1$ 美元

也就是說，無論遊戲在第幾次結束，該模式的期望值永遠都是「1 美元」。由於遊戲有無限進行下去的可能性，將這些期望值全部相加就會變成這樣：

$$ \text{總期望值} = 1 + 1 + 1 + 1 + \dots = \infty \text{（無限大）} $$

數學計算出的答案是**「這個遊戲的期望值為無限大」**。既然期望值是無限大，那麼無論參加費有多高，在理論上這絕對是一個「划算的賭局」。

這就是 1713 年由尼古拉斯·伯努利（Nicolaus Bernoulli）所提出的**「聖彼得堡悖論」**。數學上正確的計算結果（具有無限大的價值）與人類現實的直覺（只願意付幾美元）產生了強烈的矛盾。

3. 解決數學與人類之間落差的「效用」發現

解決這個悖論的，是尼古拉斯的堂弟，天才數學家丹尼爾·伯努利（Daniel Bernoulli）。（因為他在聖彼得堡的科學院發表了這篇論文，所以以此命名。）

丹尼爾深入探討了人類的心理。他認為，「人類在判斷事物時，依據的不是金錢的『絕對金額』，而是金錢所帶來的『滿足度（效用）』」。

這被稱為**「邊際效用遞減法則」**。

金錢的價值會隨著擁有的數量而下降

例如，當你在沙漠中口渴難耐時，第 1 杯水具有「就算付 1 萬日圓也想喝」的價值（滿足度）。但是，隨著你喝下第 2 杯、第 3 杯，1 杯水的價值會不斷下降。到了第 10 杯，可能就會變成「免費給我也不要」。

金錢也是一樣的。

對於一個存款為零的人來說，獲得「100 萬日圓」有著能拯救人生的巨大價值。
然而，對於資產高達 100 億美元的伊隆·馬斯克來說，獲得「100 萬日圓」的價值（滿足度），可能就和掉在路邊的 1 日圓硬幣差不多。

換句話說，即使獎金以 2 美元 $\rightarrow$ 4 美元 $\rightarrow$ 8 美元 $\rightarrow$ 16 美元… 無限增加，人類所感受到的「喜悅（效用）」並不會與金額成正比無限增加。

4. 使用「效用」重新計算期望值

丹尼爾·伯努利假設：「人類所感受到金錢的價值（效用），與金額的對數（$\log$）成正比」。

假設金額為 $x$，我們用對數函數來表示人類感受到的價值（效用） $u(x)$（這裡考慮以 2 為底數的簡單模型）。

獎金 $2$ 美元的效用： $\log_2(2) = 1$
獎金 $4$ 美元的效用： $\log_2(4) = 2$
獎金 $8$ 美元的效用： $\log_2(8) = 3$
獎金 $2^n$ 美元的效用： $\log_2(2^n) = n$

雖然金額呈倍數增長，但人類的「喜悅」卻只以 1, 2, 3… 緩慢增加。讓我們使用這個「效用」來重新計算期望值（期望效用）。

$$ \text{期望效用} = \sum_{n=1}^{\infty} \left( n \times \left(\frac{1}{2}\right)^n \right) $$ $$ = 1 \cdot \frac{1}{2} + 2 \cdot \frac{1}{4} + 3 \cdot \frac{1}{8} + 4 \cdot \frac{1}{16} + \dots $$

計算這個無窮級數的和，結果並不會變成「無限大」，而是收斂於「2」。將效用為「2」反推回金額，得到 $2^2 = 4$ 美元。

也就是說，如果將人類的心理（效用）納入計算，就會得出一個極為符合常識且現實的答案：「在人類的感覺中，這個遊戲的價值大約是『4 美元』左右」。這正是為什麼我們不願意為這個遊戲支付 1 萬美元的原因。

5. 總結：開啟經濟學大門的悖論

聖彼得堡悖論是一個劃時代的悖論，它在數學上證明了「金額」這種客觀的數字，與「人類滿足度」這種主觀的價值並不一致。

丹尼爾·伯努利所提出的「效用（Utility）」概念，在經過 200 年後，成為了現代個體經濟學和金融工程學（如投資組合理論等）最重要的基礎。我們購買保險、進行分散投資等行為，也全都可以用這種「邊際效用遞減（損失慘重的痛苦，遠遠大於賺大錢的喜悅）」的人類心理機制來解釋。

一個單純的賭博計算題，竟成為了解讀人類心理，並催生出經濟學這門龐大學科的契機。

兩個信封悖論：無限期望值引發的邏輯崩潰與決策陷阱

Thu, 10 Sep 2026 00:00:00 +0900

1. 終極的選擇：該交換，還是不該交換？

你正站在一個遊戲節目的最終關卡。眼前的桌子上放著兩個外觀完全相同的 信封（A和B）。主持人這麼說：

「其中一個信封裡，裝有另一個信封 兩倍的獎金。請選擇其中一個。」

你猶豫了一下，選擇了 信封A。正當你想看裡面的內容時，主持人卻像惡魔般在耳邊低語：

「現在的話，你可以把那個信封A，和剩下的信封B 進行交換喔。你要交換嗎？」

那麼，你應該交換信封嗎？

2. 期望值計算導出的「無限迴圈」

在這裡，讓我們稍微運用一下數學思維。假設你持有的信封A裡面的金額為 $X$ 元。根據規則，信封B裡面的金額只有可能是「$X$ 元的一半（$\frac{X}{2}$）」或「$X$ 元的兩倍（$2X$）」。兩者的機率各為 $\frac{1}{2}$（50%）。

那麼，讓我們來計算一下 交換信封時的期望值（預期平均金額）。

$$ E = \frac{1}{2} \times \left(\frac{X}{2}\right) + \frac{1}{2} \times (2X) $$ $$ E = \frac{X}{4} + X = \frac{5}{4}X = 1.25X $$

得出了令人驚訝的結果。只要交換信封，期望值就會從原本的 $X$ 元飆升到 $1.25$ 倍（增加25%）。結論是：「從數學上來思考，交換絕對比較划算！」

但是，這裡發生了 邏輯的崩潰。假設你換成了信封B。就在那之後，如果主持人又問：「要不要再換回A呢？」會發生什麼事？完全相同的計算公式依然成立，這次變成了「如果從B換回A，期望值會變成1.25倍」。

也就是說，只要不斷重複「從A換到B」、「從B換到A」，理論上的期望值就會無限增加。這顯然與現實矛盾（信封裡的內容物從一開始就決定好了，並不會因為交換而增加）。

graph TD Start["你選擇了信封A (裡面是X元)"] --> Think["計算交換是否比較划算"] Think --> Case1["信封B是半價 (X/2元) : 機率50%"] Think --> Case2["信封B是兩倍 (2X元) : 機率50%"] Case1 --> Calc["期望值 = (X/4) + X = 1.25X"] Case2 --> Calc Calc --> SwitchToB["交換成信封B! (裡面是Y元)"] SwitchToB --> ThinkAgain["再次計算"] ThinkAgain --> Case3["信封A是半價 (Y/2元) : 機率50%"] ThinkAgain --> Case4["信封A是兩倍 (2Y元) : 機率50%"] Case3 --> Calc2["期望值 = 1.25Y"] Case4 --> Calc2 Calc2 --> SwitchToA["再次交換成信封A!"] SwitchToA --> Start style Calc fill:#ff9999,stroke:#333,stroke-width:2px style Calc2 fill:#ff9999,stroke:#333,stroke-width:2px style SwitchToA fill:#ff4444,color:#fff,stroke:#333,stroke-width:4px

為什麼看似完美的期望值計算，會產生如此荒謬的悖論呢？

3. 數學把戲的解密：變數的偷換

這個悖論的陷阱在於 「隨機變數 $X$ 的使用方式」。

在剛才的計算公式中，我們把信封A的金額 $X$ 當成一個 固定的常數 來處理，並假設信封B是「$\frac{X}{2}$ 或 $2X$」。然而，真正固定的是 「兩個信封裡的金額總和」，或者是 「較少的那個金額」。

假設裝有較少金額的信封裡有 $S$ 元。那麼，裝有較多金額的信封裡就有 $2S$ 元。遊戲的所有情境只有以下兩種模式（機率各為 $\frac{1}{2}$）。

模式1： 你選擇的信封A是較少的 ($S$)，信封B是較多的 ($2S$)
模式2： 你選擇的信封A是較多的 ($2S$)，信封B是較少的 ($S$)

現在，讓我們正確地計算 「不交換」 和 「交換」 時的期望值。

不交換時的期望值 $E_{stay}$：

$$ E_{stay} = \frac{1}{2} \times S + \frac{1}{2} \times 2S = \frac{3}{2}S = 1.5S $$

交換時的期望值 $E_{switch}$： 在模式1的時候能得到 $2S$，在模式2的時候能得到 $S$。

$$ E_{switch} = \frac{1}{2} \times 2S + \frac{1}{2} \times S = \frac{3}{2}S = 1.5S $$ $$ E_{stay} = E_{switch} $$

期望值完美地一致了！在最初錯誤的計算中，因為把模式1的 $X$（實際上是 $S$）和模式2的 $X$（實際上是 $2S$）這 兩個不同的值當作了同一個變數 $X$ 來處理，所以產生了「交換就能提升期望值」的幻覺。

pie title "期望值的真相（假設較少的金額為S）" "不交換的期望值 (1.5S)" : 50 "交換的期望值 (1.5S)" : 50

4. 如果打開了信封會怎麼樣？

悖論看起來似乎已經解決了。但是，更深層的問題還在後頭。

如果你 在交換信封之前，先看了自己信封A裡面的內容，那會怎麼樣呢？當你打開信封A，發現裡面裝著 「10,000元」。

在這個瞬間，$X = 10000$ 變成了一個確定的值。信封B裡面裝的，不是「5,000元」就是「20,000元」。如果套用最初的計算公式會變成怎樣呢？

$$ E_{switch} = \frac{1}{2} \times 5000 + \frac{1}{2} \times 20000 = 2500 + 10000 = 12500 $$

期望值是 12,500 元。絕對比現狀的 10,000 元還要高。而且，這次 $X$ 已經變成了 10,000 元這個「具體的常數」，所以剛才「偷換變數」的反駁已經行不通了。這樣的話，是不是 絕對交換比較划算 呢？

貝氏推論的有力反證：「事前分配」的缺失

針對這一點，數學家們提出了一個名為 「金額的事前分配（事前機率）」 的概念。也就是「5,000元和20,000元，真的可以說是各有 $\frac{1}{2}$ 的機率在裡面嗎？」這樣的疑問。

舉例來說，假設節目的預算最高只有1億元。如果你打開信封A發現裡面有「6,000萬元」，那麼信封B裡有「1億2,000萬元」的機率就是零（因為超出了預算）。也就是說，信封A的金額越大，信封B為「兩倍」的機率就會下降，而為「一半」的機率則應該會上升。

假設存在任意的事前分配 $P(x)$，並使用貝氏定理來計算期望值，數學上已經證明：在任何符合現實的（總和為1的）機率分配下，都不存在一種神奇的分配，能讓所有金額 $X$ 都符合「交換比較划算」的結果。

5. 無限的陷阱：與聖彼得堡悖論的關聯

唯一能讓「在所有 $X$ 的情況下交換都比較划算」成立的情況只有一種。那就是，假設節目的預算是 無限大，並且所有金額（1元、2元、4元、8元……無限）都以相等的機率出現，這種「非正則機率分配（總和為無限大的分配）」的假設。

然而，現實世界中並不存在擁有無限資產的電視台。這種「無限大的期望值」所引發的 bug，與 聖彼得堡悖論（面對一個具有無限期望值的賭博，人們願意支付多少錢的問題）有著極深的同源性。

6. 總結：機率與期望值的可怕之處

「兩個信封悖論」雖然只由簡單的乘法和加法構成，卻帶給我們以下教訓：

定義模糊所產生的錯誤：如果不將變數所指代的東西（$X$ 是否總是代表相同金額）明確化，邏輯就會輕易崩潰。
「沒有資訊＝機率50%」的錯覺：基於「因為不知道所以各半吧」的前提（不充分理由原則），有時會導致致命的計算錯誤。
處理無限的困難：如果將不適用於現實世界的「無限」概念帶入計算公式，就會得出違反常理的結果。

下次當你在人生中覺得「外國的月亮比較圓，交換一定比較划算」的時候，請想起這個悖論。或許只是在你的計算公式中，變數被偷換了而已。